METODO SIMPLEX El método Simplex es un procedimiento iterativo que permite ir mejorando la solución a cada paso. El proceso concluye cuando no es posible.

Presentación del tema: "METODO SIMPLEX El método Simplex es un procedimiento iterativo que permite ir mejorando la solución a cada paso. El proceso concluye cuando no es posible."— Transcripción de la presentación:

1 METODO SIMPLEX El método Simplex es un procedimiento iterativo que permite ir mejorando la solución a cada paso. El proceso concluye cuando no es posible seguir mejorando más dicha solución. Partiendo del valor de la función objetivo en un vértice cualquiera, el método consiste en buscar sucesivamente otro vértice que mejore al anterior. El método Simplex se basa en la siguiente propiedad: si la función objetivo, f, no toma su valor máximo en el vértice A, entonces hay una arista que parte de A, a lo largo de la cual f aumenta. Deberá tenerse en cuenta que este método sólo trabaja para restricciones que tengan un tipo de desigualdad "≤" y coeficientes independientes mayores o iguales a 0, y habrá que estandarizar las mismas para el algoritmo. En caso de que después de éste proceso, aparezcan (o no varíen) restricciones del tipo "≥" o "=" habrá que emplear otros métodos, siendo el más común el método de las Dos Fases.

2 PREPARANDO EL MODELO PARA ADAPTARLO AL METODO SIMPLEX
Esta es la forma estándar del modelo: Función objetivo: c1·x1 + c2·x cn·xn Sujeto a: a11·x1 + a12·x a1n·xn = b1 a21·x1 + a22·x a2n·xn = b2 am1·x1 + am2·x amn·xn = bm x1,..., xn ≥ 0 Para ello se deben cumplir las siguientes condiciones: 1. El objetivo es de la forma de maximización o de minimización. 2. Todas las restricciones son de igualdad. 3. Todas las variables son no negativas. 4. Las constantes a la derecha de las restricciones son no negativas.

3 CAMBIO DEL TIPO DE OPTIMIZACION
Si en nuestro modelo, deseamos minimizar, podemos dejarlo tal y como está, pero deberemos tener en cuenta nuevos criterios para la condición de parada (deberemos parar de realizar iteraciones cuando en la fila del valor de la función objetivo sean todos menores o iguales a 0), así como para la condición de salida de la fila. Con objeto de no cambiar criterios, se puede convertir el objetivo de minimizar la función F por el de maximizar F·(-1). Ventajas: No deberemos preocuparnos por los criterios de parada, o condición de salida de filas, ya que se mantienen. Inconvenientes: En el caso de que la función tenga todas sus variables básicas positivas, y además las restricciones sean de desigualdad "≤", al hacer el cambio se quedan negativas y en la fila del valor de la función objetivo se quedan positivos, por lo que se cumple la condición de parada, y por defecto el valor óptimo que se obtendría es 0. Solución: En la realidad no existen este tipo de problemas, ya que para que la solución quedara por encima de 0, alguna restricción debería tener la condición "≥", y entonces entraríamos en un modelo para el método de las Dos Fases.

4 CONVERSION DE SIGNOS DE LOS TERMINOS INDEPENDIENTES (Las constantes a la derecha de las restricciones) Deberemos preparar nuestro modelo de forma que los términos independientes de las restricciones sean mayores o iguales a 0, sino no se puede emplear el método Simplex. Lo único que habría que hacer es multiplicar por "-1" las restricciones donde los términos independientes sean menores que 0. Ventaja: Con ésta simple modificación de los signos en la restricción podemos aplicar el método Simplex a nuestro modelo. Inconvenientes: Puede resultar que en las restricciones donde tengamos que modificar los signos de las constantes, los signos de las desigualdades fueran ("=", "≤"), quedando ("=","≥") por lo que en cualquier caso deberemos desarrollar el método de las Dos Fases.

5 TODAS LAS RESTIRICCIONES SON DE IGUALDAD
Si en nuestro modelo aparece una inecuación con una desigualdad del tipo "≥", deberemos añadir una nueva variable, llamada variable de exceso si, con la restricción si ≥ 0. La nueva variable aparece con coeficiente cero en la función objetivo, y restando en las inecuaciones. Surge ahora un problema, veamos como queda una de nuestras inecuaciones que contenga una desigualdad "≥" : a11·x1 + a12·x2 ≥ b a11·x1 + a12·x2 - 1·xs = b1 Como todo nuestro modelo, está basado en que todas sus variables sean mayores o iguales que cero, cuando hagamos la primera iteración con el método Simplex, las variables básicas no estarán en la base y tomarán valor cero, y el resto el valor que tengan.

6 TODAS LAS RESTIRICCIONES SON DE IGUALDAD
En este caso nuestra variable xs, tras hacer cero a x1 y x2, tomará el valor -b1. No cumpliría la condición de no negatividad, por lo que habrá que añadir una nueva variable, xr, que aparecerá con coeficiente cero en la función objetivo, y sumando en la inecuación de la restricción correspondiente. Quedaría entonces de la siguiente manera: a11·x1 + a12·x2 ≥ b a11·x1 + a12·x2 - 1·xs + 1 ·xr = b1 Este tipo de variables se les llama variables artificiales, y aparecerán cuando haya inecuaciones con desigualdad ("=","≥"). Esto nos llevará obligadamente a realizar el método de las Dos Fases, que se explicará más adelante.

7 TODAS LAS RESTIRICCIONES SON DE IGUALDAD
Del mismo modo, si la inecuación tiene una desigualdad del tipo "≤", deberemos añadir una nueva variable, llamada variable de holgura si, con la restricción si "≥" 0 . La nueva variable aparece con coeficiente cero en la función objetivo, y sumando en las inecuaciones. A modo resumen podemos dejar esta tabla, según la desigualdad que aparezca, y con el valor que deben estar las nuevas variables. Tipo de desigualdad Tipo de variable que aparece ≥ - exceso + artificial = + artificial ≤ + holgura

8 DESARROLLANDO EL METODO SIMPLEX
Una vez que hemos estandarizado nuestro modelo, puede ocurrir que necesitemos aplicar el método Simplex o el método de las Dos Fases. Véase en la figura como debemos actuar para llegar a la solución de nuestro problema.

9 METODO SIMPLEX Tabla C1 C2 ... Cn Base Cb P0 P1 P2 Pn Pi1 Ci1 bi1 a11
Construcción de la primera tabla: En la primera columna de la tabla aparecerá lo que llamaremos base, en la segunda el coeficiente que tiene en la función objetivo cada variable que aparece en la base (llamaremos a esta columna Cb), en la tercera el término independiente de cada restricción (P0), y a partir de ésta columna aparecerán cada una de las variables de la función objetivo (Pi). Para tener una visión más clara de la tabla, incluiremos una fila en la que pondremos cada uno de los nombres de las columnas. Sobre ésta tabla que tenemos incluiremos dos nuevas filas: una que será la que liderará la tabla donde aparecerán las constantes de los coeficientes de la función objetivo, y otra que será la última fila, donde tomará valor la función objetivo. Nuestra tabla final tendrá tantas filas como restricciones. Tabla C1 C2 ... Cn Base Cb P0 P1 P2 Pn Pi1 Ci1 bi1 a11 a12 a1n Pi2 Ci2 bi2 a21 a22 a2n Pim Cim bim am1 am2 amn Z Z0 Z1-C1 Z2-C2 Zn-Cn

10 METODO SIMPLEX Los valores de la fila Z se obtienen de la siguiente forma: El valor Z0 será el de sustituir Cim en la función objetivo (y cero si no aparece en la base). El resto de columnas se obtiene restando a este valor el del coeficiente que aparece en la primera fila de la tabla. Se observará al realizar el método Simplex, que en esta primera tabla, en la base estarán las variables de holgura. Condición de parada: Comprobaremos si debemos de dar una nueva iteración o no, que lo sabremos si en la fila Z aparece algún valor negativo. Si no aparece ninguno, es que hemos llegado a la solución óptima del problema. - Elección de la variable que entra: Si no se ha dado la condición de parada, debemos seleccionar una variable para que entre en la base en la siguiente tabla. Para ello nos fijamos en los valores estrictamente negativos de la fila Z, y el menor de ellos será el que nos de la variable entrante.

11 METODO SIMPLEX Elección de la variable que sale: Una vez obtenida la variable entrante, obtendremos la variable que sale, sin más que seleccionar aquella fila cuyo cociente P0/Pj sea el menor de los estrictamente positivos (teniendo en cuenta que sólo se hará cuando Pj sea mayor de 0). La intersección entre la columna entrante y la fila saliente nos determinará el elemento pivote. Actualización de la tabla: Las filas correspondientes a la función objetivo y a los títulos permanecerán inalterados en la nueva tabla. El resto deberá calcularse de dos formas diferentes: Si es la fila pivote cada nuevo elemento se calculará: Nuevo Elemento Fila Pivote = Elemento Fila Pivote actual / Pivote. Para el resto de elementos de filas se calculará: Nuevo Elemento Fila = Elemento Fila Pivote actual - (Elemento Columna Pivote en la fila actual * Nuevo Elemento Fila).